BriefGPT - AI 论文速递
·
多模型线性回归用于大数据的高效数据分析方法
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出了一种名为多模型线性回归（MMLR）的新定义的回归模型，将输入数据集分成子集并构建局部线性回归模型。研究还提出了一种基于（ε，δ）- 估计器的近似算法来构建 MMLR 模型，并对 MMLR 算法的正确性和效率进行了数学证明。实证实验结果显示算法在许多情况下具有与现有回归方法可比的性能，同时提供了很高的预测准确度而几乎不需要花费过多时间。
🎯
关键要点
-
本研究提出了一种新的数据分析方法，名为多模型线性回归（MMLR）。
-
MMLR模型将输入数据集分成子集并构建局部线性回归模型。
-
该方法比其他基于回归的方法更高效、更灵活。
-
研究提出了一种基于（ε，δ）- 估计器的近似算法来构建MMLR模型。
-
对MMLR算法的正确性和效率进行了数学证明，时间复杂度与输入数据集大小成线性关系。
-
在合成数据集和真实世界数据集上进行了实证实验，结果显示算法性能可比现有回归方法。
-
MMLR算法提供了高预测准确度，且几乎不需要过多时间。
➡️
